torch.nn.functional.conv_transpose1d

torch.nn.functional.conv_transpose1d(input, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1) → Tensor

Применяет оператор транспонированного свертки 1D над входным сигналом, состоящим из нескольких входных плоскостей, иногда также называемый «деконволюцией».

Этот оператор поддерживает TensorFloat32.

См. ConvTranspose1d для получения подробной информации и формы вывода.

Примечание

В некоторых случаях, при использовании тензоров на устройстве CUDA и CuDNN, этот оператор может выбрать недетерминированный алгоритм для повышения производительности. Если это нежелательно, вы можете попытаться сделать операцию детерминированной (возможно, с затратами на производительность) установив torch.backends.cudnn.deterministic = True. См. Воспроизводимость для получения дополнительной информации.

Параметры

• input – входной тензор формы $(\text{minibatch} , \text{in\_channels} , iW)$
• weight – фильтры формы $(\text{in\_channels} , \frac{\text{out\_channels}}{\text{groups}} , kW)$
• bias – необязательный смещение формы $(\text{out\_channels})$. По умолчанию: None
• stride – шаг конволюционного ядра. Может быть одним числом или кортежем (sW,). По умолчанию: 1
• padding – dilation * (kernel_size - 1) - padding нулевое заполнение будет добавлено к обеим сторонам каждого измерения во входных данных. Может быть одним числом или кортежем (padW,). По умолчанию: 0
• output_padding – дополнительный размер, добавленный к одной стороне каждого измерения в форме вывода. Может быть одним числом или кортежем (out_padW). По умолчанию: 0
• groups – разделить вход на группы, $\text{in\_channels}$ должно быть делимо на количество групп. По умолчанию: 1
• dilation – расстояние между элементами ядра. Может быть одним числом или кортежем (dW,). По умолчанию: 1

Примеры:

>>> inputs = torch.randn(20, 16, 50)
>>> weights = torch.randn(16, 33, 5)
>>> F.conv_transpose1d(inputs, weights)